R语言非线性动态回归模型ARIMAX、随机、确定性趋势时间序列预测个人消费和收入、用电量、国际游客数量
全文链接：https://tecdat.cn/?p=33838 传统时间序列模型允许包含过去观察到的系列信息，但不允许客户包含其他可能相关的信息。例如，假期的影响、竞争对手的活动、法律变化、整体经济或其他外部变量可能解释了某些历史变动，并且可能导致更准确的预测（点击文末“阅读原文”获取完整代码数据）...
R语言改进的DCC-MGARCH：动态条件相关系数模型、BP检验分析股市数据
全文链接：http://tecdat.cn/?p=32818 股票市场波动性模型一直是金融领域研究的热点之一。传统的波动性模型往往只考虑了静态条件下的波动性和相关性，难以准确捕捉市场的复杂性和多样性（点击文末“阅读原文”获取完整代码数据）。 因此，本文提出了一种基于R语言改进的DCC-MGARCH模...
R语言中的动态线性模型
引言：在时间序列分析中，传统的线性模型往往假设观测值之间相互独立，但在许多实际问题中，数据点通常会表现出某种形式的自相关性或序列依赖性。动态线性模型（Dynamic Linear Models, DLMs）是一类专门处理这种数据的时间序列模型，它们能够捕捉数据的动态变化特征并预测未来的趋势。R语言作...
【视频】时间序列分类方法：动态时间规整算法DTW和R语言实现
原文链接：http://tecdat.cn/?p=22945 动态时间扭曲算法何时、如何以及为什么可以有力地取代常见的欧几里得距离，以更好地对时间序列数据进行分类（点击文末“阅读原文”获取完整代码数据）。 时间序列分类的动态时间扭曲 使用机器学习算法对时间序列进行分...
R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率
原文链接：http://tecdat.cn/?p=25957 介绍 当您处理金融时间序列时，我们通常可以获得相对高频的观察结果。例如，每天进行观察是很常见的。事实上，现在可以获得每小时、分钟、秒甚至毫秒的观测值。 使用的包 ...
R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率-2
R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率-1 https://developer.aliyun.com/article/1488197 模型预测 通常您会希望使用估计模型来随后预测条件方差。用于此目的的函数是 forecast 函数。该应...
R语言单变量和多变量（多元）动态条件相关系数DCC-GARCH模型分析股票收益率金融时间序列数据波动率-1
原文链接：http://tecdat.cn/?p=25957 介绍 当您处理金融时间序列时，我们通常可以获得相对高频的观察结果。例如，每天进行观察是很常见的。事实上，现在可以获得每小时、分钟、秒甚至毫秒的观测值。 使用的包 有许多软件包可以使我们能够估计波动率模型。我们还将使用该 qua...
约会数据动态可视化分析：R语言使用GGPLOT和GGANIMATE制作动画图
你知道吗，你可以把普通的静态ggplot图转换成动画图？在R软件包ganimate的帮助下，你可以做到这一点，而且效果非常好。对所有类型的几何图形都能毫不费力地转化为超级流畅的动画，让我和我的同事印象非常深刻。这篇文章中，我将对ganimate的一些奇妙功能进行简短的概述，我希望你会像我们一样喜欢这...
R语言多元动态条件相关DCC-MVGARCH、常相关CCC-MVGARCH模型进行多变量波动率预测
引言 当从单变量波动率预测跳到多变量波动率预测时，我们需要明白，现在我们不仅要预测单变量波动率元素，还要预测协方差元素。假设你有两个序列，那么这个协方差元素就是2乘2方差-协方差矩阵的对角线。我们应该使用的准确术语是 "方差-协方差矩阵"，因为该矩阵由对角线上的方差元素和非对角线上的协方差元素组成。...
R语言资产配置策略量化模型：改进的移动平均线策略动态回测
定量战术资产配置策略（QATAA）模型是使用10个月的移动平均线作为过滤器。如果在月末，资产的价格高于移动平均线，就留在市场中；否则就会离开市场。 10个月有什么特别之处；为什么10个月对所有资产和区制都是不变的。我提出了根据历史波动率来调整移动平均线回溯的想法。也就是说，在高波动时期，较短的移动平...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。